[论文解读] Privacy-preserving Targeted Advertising

Theja Tulabandhula, Shailesh Vaya+1 more|arXiv (Cornell University)|Oct 9, 2017

Privacy-Preserving Technologies in Data参考文献 43被引用 7

一句话总结

本文提出了一种隐私保护推荐系统，将用户资料存储从服务器迁移至客户端设备，并利用关联规则（ARs）实现高效、安全的精准广告投放。通过在服务器端预计算关联规则，并结合不经意传输等密码学协议，客户端可在不泄露自身资料的情况下私密查询相关推荐，即使存在隐私开销，仍能实现低延迟、实用化的性能表现。

ABSTRACT

Recommendation systems form the center piece of a rapidly growing trillion dollar online advertisement industry. Even with numerous optimizations and approximations, collaborative filtering (CF) based approaches require real-time computations involving very large vectors. Curating and storing such related profile information vectors on web portals seriously breaches the user's privacy. Modifying such systems to achieve private recommendations further requires communication of long encrypted vectors, making the whole process inefficient. We present a more efficient recommendation system alternative, in which user profiles are maintained entirely on their device, and appropriate recommendations are fetched from web portals in an efficient privacy preserving manner. We base this approach on association rules.

研究动机与目标

• 解决集中式用户画像（如通过Cookie）在精准广告中引发的隐私泄露问题。
• 设计一种推荐系统，使用户资料保留在设备端，同时支持安全、高效的服务器端推荐。
• 相较于协同过滤，降低隐私推荐系统中的通信与计算开销。
• 通过使用与用户无关的关联规则，提升对动态用户行为与不一致反馈的鲁棒性。
• 开发适用于现实世界电商部署的实用、可扩展且隐私保护的协议。

提出的方法

• 系统在服务器端从历史交易数据中挖掘关联规则，表示为‘若用户购买物品p，则可能购买q’的模式。
• 客户端资料（交易记录）保持私密，永不以明文形式发送；取而代之，使用加密标识符来查询匹配规则。
• 协议采用不经意传输技术，安全地从服务器检索适用的关联规则，而不会暴露所查询的规则。
• 提出一种新颖的近似查询算法 Approx-GSCS-Query，利用局部敏感哈希（LSH）降低通信与计算成本，同时保持高准确率。
• 系统支持精确与近似查询处理，通过密码学原语与基于置信度权重的规则子采样，确保隐私保护。
• 使用真实世界数据集（Accidents 与 Retail）对框架进行评估，性能指标包括延迟与在隐私约束下的推荐准确率。

实验结果

研究问题

• RQ1 能否设计一种推荐系统，使用户资料始终保留在客户端设备，同时支持私密、高效的服务器端推荐？
• RQ2 如何利用关联规则在隐私保护推荐系统中替代协同过滤，以降低通信与计算开销？
• RQ3 何种密码学协议可安全地使客户端仅检索相关联规则，而不暴露其资料或服务器的规则数据库？
• RQ4 在真实电商环境中，私有查询协议的性能如何随数据库规模与查询复杂度扩展？
• RQ5 近似查询技术在多大程度上可维持推荐准确率，同时降低私有推荐系统中的延迟？

主要发现

• 采用不经意传输的私有查询协议在10,000条规则的规则数据库中，中位处理时间约为27–28秒，适用于多服务器部署环境。
• 使用1024位RSA模数时，从10,000条规则的数据库中私有检索适用于20个物品查询的规则，中位耗时266.9秒，但因多服务器并行处理仍具可行性。
• Approx-GSCS-Query算法在16位与32位哈希长度下实现100%准确率，而10位哈希因哈希冲突增加，准确率降至68–72%。
• 通过基于置信度权重的规则子采样，系统在显著降低通信与计算成本的同时，仍保持高推荐准确率（k ≥ 16时达100%）。
• 隐私保护协议引入的延迟开销可控，且在多服务器环境下与非私有处理时间相当，支持现实世界部署。
• 该方法在隐私保护与鲁棒性方面优于协同过滤，因其避免了对用户特定反馈与动态资料更新的依赖。